[RapidCheck] 지능형 영상 분석 솔루션 - Tracking #1 Introduction

안녕하세요, 건프입니다.

지능형 영상 분석 솔루션 RapidCheck 의 기술문서를 정리한 것입니다.

사용하기 용이한 프로그램을 만들기 위해서는, 높은 확률로 객체를 인지(Object Detection) 해내는 정확도도 중요하지만, 

영상에서 10번 프레임의 사람이 A라는 정보가 30번 프레임의 사람이 A라는 것을 유지할 수 있어야 한다.

우리는 이것을 객체의 정체성(Identity)를 유지한다는 표현을 사용하는데, 이 방법을 객체 추적(Object Tracking)이라고 한다.

적절한 추적알고리즘이 도입이 되었을 때, 영상에서 객체 정보를 유지하는데 큰 도움이 된다.

첫번째, 장애물에 가리는 현상과 같이 Detection 으로는 검출할 수 없는 상황이 발생한다.

두번째, Detection Engine 이 충분히 객체를 못잡아낼 수도 있다.

자세한 내용은 다음과 같다.

Tracking Introduction

RapidCheck tech documents about Tracking Engine powered by Junsu Lee (ljs93kr@gmail.com)

개요

객체 추적의 정의

영상 속에서 특정 대상의 정보를 분석하기 위해선, 각 frame에서 검출된 대상이 같은 대상인지를 판별할 수 있어야 한다. Frame이 진행되면서 검출된 대상의 identity를 유지해 나가는 기술이 object tracking이다. 본 프로젝트는 tracking 분야에서도 MOT(Multiple Object Tracking)에 해당하는 기술을 구현하였다.

객체 추적 알고리즘의 Pipe Line

본 프로젝트에서는 Detection 기반의 Tracking algorithm을 설계하였다. 각 프레임에서 Detection을 통해 대상들의 위치를 검출하고, 프레임 간에 객체들의 Identity를 유지하기 위해서 먼저 Tracklet(짧은 구간 경로)을 구하였다. 그리고 Tracklet간의 Similarity를 기반으로 이들을 이어나가는 방식으로 Trajectory(전체 구간 경로)를 구하였다.